电商生态系统中核心种群间信用机制的动态演化博弈

张 丽, 王向向， 李佳鑫

(1.天津市食品安全战略与管理研究中心，天津 300222; 2.天津科技大学 经济与管理学院，天津 300222)

0 引言

2019年11月11日天猫当天总成交额达2684亿元，相较于2009年的5200万元，增长5100多倍。“双十一”走过十年，电商消费趋势与我国经济转型升级、提质增效的发展路径同向而行，呈现出消费不断升级的态势。电子商务迅速发展，每年不断刷新的网购消费额度和速度推动了电商平台崛起，电子商务已成为经济发展的重要增长点。然而2018年7月拼多多赴美上市后随之而来的“山寨门”事件、假货不断等问题使电子商务信用问题成为舆论焦点。由于网络交易的虚拟性与数据缺失性，电子商务中消费者与商家之间严重的信息不对称[1]，以及现有电商平台信任和信用机制的不完善，使得网购出现的“欺诈、假货、质量不合格”等问题频发，商家的信用缺失和欺诈经营行为愈发严重，网购的信用危机已经成为制约电商生态系统发展的瓶颈。电商平台作为电子商务交易的媒介，其监管责任不容忽视；商家和消费者作为电商生态系统中的交易主体，是信用的直接表现者。因此，为消费者提供优质满意的网购商品，促进商家诚信经营；消除商家的假冒伪劣商品，保障消费者合法权益；提高电商生态系统整体信用度，促进电商市场良好发展已成为当下政府、企业和消费者关注的焦点。

在电商生态系统的概念、构成、演化及其内部协调机制的研究中[2,3]，胡岚岚[4]首次提出了电商生态系统的概念，Honglu Liu等[5]对其进行系统复杂性和演化分析。Gefen,D等[6]研究表明网购消费者的在线信任主要与供应商诚信、网站安全机制和使用便捷性三方面有关。余乐安[7]用最小二乘近似支持向量回归模型，研究了电子商务信用风险预警。纪淑娴[8]以阿里巴巴为案例，分析指出电商生态系统中演化平衡的四个阶段，并为其协调平衡演化提出策略建议。南小可[9]利用博弈论分析了B2C电子商务信任信息共享问题，建立博弈模型并分析其稳定状态及演化趋势。杨克岩[10]探讨了电子商务信息生态系统的构建，并以京东商城为实际案例进行分析。Shao, Kuoyi等[11]以北京银联商业服务有限公司为例分析了电商生态系统的内涵和特征，并将电子商务的商业环境与传统的商业环境进行对比分析。Tiago Oliveira等[12]分析电子商务中信任对于消费者在线购买意愿的重要作用，提出增加信任度有助于提高消费者的在线购买意愿。

研究方法上，博弈模型是策略选择研究的有力分析工具。Youbei Huang[13]等运用重复博弈模式构建中国电子商务C2C模式中参与者的欺诈行为，并验证存在C2C电商信用评级体系的有效性。苗苗等[14]基于完全信息静态博弈与重复博弈模型，讨论C2C电商诚信行为的影响因素，以期提高卖家诚信概率和买家购买概率。王学东[15]等以混合战略博弈理论为依据，研究网商生态系统主体间的信用行为博弈问题。王宝义[16]针对电子商务企业与快递间存在的竞合关系构建混合策略博弈模型，将网购者监督行为引入博弈模型，并对两种模型进行对比分析。李春发[17]以电商生态系统中的领导种群、支持种群和关键种群为博弈主体，建立了三方合作共生的动态演化博弈模型。杨丰梅等[18]基于演化博弈理论，构建电商平台信用信息共享博弈，分析探讨电商平台选择信息共享策略的有利条件。杨丰梅[19]构建C2B2C电商信用监管模式下的演化博弈模型与定价交易模型，对电商和消费者双方的长期交易策略进行了分析。Roberto Aringhieri等[20]通过混合博弈和代理仿真分析电子商务中的在线信誉体系，建立模型，探究买卖双方不同的行为对电商政策的影响。

电商生态系统种群间信息不对称的现状，决定了系统中各参与主体策略必将在不断的学习和调整过程中逐渐实现优化；而演化博弈理论对于博弈主体种群间自然选择、优胜劣汰的繁衍机制，能更科学的描述电商生态系统中信用情况以及不完全理性的决策特点[21]。据此，本文应用演化博弈理论，对电商平台、商家和消费者的长期交易策略进行分析；讨论各博弈主体的相互演化稳定策略，并对影响主体进行策略选择的主要因素进行探讨和分析。

1 三方演化博弈模型构建

1.1 符号及假设

以电商生态系统中电商平台、商家和消费者三者间的信用监管为研究对象，提出如下基本假设：

假设1假设电商平台、商家、消费者的博弈三方均为有限理性且存在信息不对称性，以追求自身利益最大化为目标；三方在长期策略中进行不完全信息动态博弈。

假设2三方博弈主体的策略选择分别为：电商平台(积极监管，消极监管)，商家(诚信，欺诈)，消费者(投诉，不投诉)。

假设3电商平台的收益来源：一是商家的信用保证金S和对欺诈商家的罚金qS，(q为电商平台从商家信用保证金中收取的罚金比例q∈(0,1)。二是商家诚信经营为电商平台带来的整体系统效益R。三是电商平台积极监管所得收益R1。

假设4电商平台积极监管时付出成本C1，对诚信经营的商家进行奖励S1。若电商平台消极监管，可能导致市场产品质量混乱，消费者利益受损，用L1表示，同时电商平台企业形象受损需要付出信用补救成本C2。

假设5商家诚信经营的净收益为R2，欺诈经营时净收益mR2(m>1)，若商家选择欺诈经营且被电商平台发现，商家需对消费者进行赔偿nR2，并交纳罚金qS。

假设6若商家诚信经营，消费者用更加便捷的方式甚至低廉的价格购得满意产品获得超额收益C3，消费者发现商家欺诈经营时，可以选择向电商平台投诉，投诉成本为L2，获得电商平台对消费者的额外积分奖励或用户补偿等奖励R3，也可选择与商家沟通获得不投诉补贴R4。其中各个符号及其释义如表1所示。

表1 三个博弈主体的相关参数设置及其含义

1.2 模型的建立

三方博弈中，根据电商平台{积极监管，消极监管}，商家{诚信，欺诈}，消费者(投诉，不投诉)的策略集，可构建不同策略组合下的收益矩阵如表2所示。

表2 “电商平台-商家-消费者”的三方博弈收益矩阵

2 三方博弈的复制动态方程及演化稳定策略

根据假设，在电商生态系统中，电商平台选择积极监管和消极监管的概率分别为x和1-x；商家中选择诚信和欺诈策略的种群比例分别为y和1-y；消费者中选择投诉和不投诉策略的种群比例分别为z和1-z，其中(0≤x,y,z≤1)。

电商平台选择积极监管的期望收益

EA=y[z(R-C1-S1+S-R3)+

(1-z)(R-C1-S1+S)]+

(1-y)[z(R1+qS-C1-C2)-R3+S)+

(1-z)(qS-C1-C2+S)]

=y(R-S1)+S-C1+(1-y)(qS-C2+zR1)-zR3

(1-y)[z(-C2+S)+(1-z)(-C2+S)]

=yR+S+(1-y)(-C2)

=x[(1-y)(qS+zR1)-zR3-yS1-C1]+

yR+S-(1-y)C2

电商平台种群的复制动态方程(式(1))：

=x(1-x)[(1-y)(qS+zR1)-zR3-yS1-C1]

(1)

EB=x[z(R2+S1-S)+(1-z)(R2+S1-S)]+

(1-x)[z(R2-S)+(1-z)(R2-S)]

=R2-S+xS1

(1-z)[(mR2-qS-R4-S)]}+

(1-x)[z(mR2-S)+(1-z)(mR2-R4-S)]

=-S-xqS-(1-z)R4+(m-xzn)R2

可得商家种群规模的复制动态方程(式(2))：

=y(1-y)[(1-m+xzn)R2+

x(S1+qS)-(1-z)R4]

(2)

同理可得消费者种群的复制动态方程(式(3))：

=z(1-z)[x(1-y)nR2+xR3-L2-(1-y)R4]

(3)

2.1 电商平台“监管”种群的稳定策略

根据式(1)电商平台种群的复制动态方程可得:

(4)

(1)y值变化对x值演化稳定性的影响

(2)z值变化对x值演化稳定性的影响

(3)电商平台种群稳定策略及电商平台积极监管驱动力分析

根据上述复制动态方程的演化稳定分析可得以下结论：

结论1电商平台对商家欺诈经营的积极监管概率，随着商家诚信经营行为的比例减小而增大。

结论2电商平台对商家欺诈经营的积极监管概率，随着网购中选择“投诉”策略的消费者比例增加而增大。

结论3电商平台的监管概率，随着信用保证金、罚金系数和监管收益的增加而增大，随着监管成本的增大、平台对诚信商家和消费者投诉奖励的增大而减小。

图1 电商平台动态趋势示意图

2.2 商家选择“诚信”经营的复制动态方程及稳定策略

(1)x值变化对y值演化稳定性的影响

(2)z值变化对y值演化稳定性的影响

(3)商家种群规模稳定策略及收益分析

根据上述复制动态方程的演化稳定分析可得以下结论:

结论4商家选择“欺诈”经营的概率，随着电商平台对诚信商家奖励的增大而减小。

图2 商家动态趋势示意图

结论5随着电商平台对市场不法行为惩罚力度的增大，商家选择“欺诈”经营策略的概率将降低。

2.3 消费者选择“投诉”策略种群的复制动态方程及稳定策略

结论6消费者选择“投诉”策略的概率，随电商平台给予的参与投诉奖励和商家赔付额度的增加而增大。

图3 消费者动态趋势示意图图

结论7消费者选择“投诉”策略的概率，随着参与投诉成本的减小而增大，且商家私下给予消费者的不投诉补贴越高，消费者选择投诉的概率越小。

3 数值模拟和仿真分析

为验证上述构建的演化博弈模型及其所得结论，同时深入分析相关变量对演化博弈的实际影响，下面运用MATLAB 2016进行数值模拟。假定参数R=100，C1=40，R1=60，C2=200，S=2000，S1=20，q=0.1，R2=60，C3=100，R3=10，R4=5，L1=100，L2=10，m=1.5，n=1，进一步分析不同参数取值变化下电商平台、商家和消费者的策略选择。

3.1 电商平台“积极监管”驱动力分析

图4 x=0.8，y=0.7，z=0.7时三者之间的动态演化趋势

图5 信用保证金S、罚金系数q对电商平台积极监管概率x的影响

图6 监管收益R1、监管成本C1对电商平台积极监管概率x的影响

图7 诚信商家奖励S1、消费者投诉补贴 R3对电商平台监管概率x的影响

由图5～7可知：电商平台向着积极监管方向演化的速率随着监管收益、惩罚系数的增大而加快，随着监管成本和消费者投诉补贴额的增大而减缓。降低监管成本、合理控制商家诚信奖励和消费者投诉补贴能够提高电商平台监管的积极性。

3.2 商家策略的影响因素分析

图8 信用保证金S、罚金系数q对商 家欺诈经营概率1-y的影响

图9 商家给予消费者的不投诉补贴R4、赔付额 度n对商家欺诈经营概率1-y的影响

由图8～9可知：随着商家诚信奖励的增大，商家“诚信”经营的概率也增大，提高罚金的额度和欺诈商家的赔付额度可以有效的抑制商家的欺诈行为，且严格管控商家和消费者的私下沟通补贴能够有效提高商家的诚信经营种群规模。由于我国电子商务正处于迅速发展时期，现有电商系统中信用体系尚不完善，商家的欺诈成本低、利润大，尽管商家欺诈经营会受到惩罚(如罚金、降低店铺评分等)，但若是电商平台的惩罚力度很小，很难督促系统内商家诚信经营，不能发挥电商平台的监管作用。因此在系统合理范围内制定对商家的惩罚力度，才能降低商家私下与消费者沟通隐瞒欺诈经营的概率，有效打击商家的欺诈行为。

3.3 消费者“投诉”策略的影响因素分析

图10 投诉成本L2和消费者参与投诉奖励 R3对消费者投诉概率z的影响

图11 商家对消费者不投诉补贴R4和商家赔 付额度n对消费者投诉概率z的影响

由图10～11可知：商家诚信情况未知时，电商平台提高消费者参与投诉的奖励和赔付额度能够有效提高消费者的参与积极性；同时减小消费者投诉成本，建立便捷、高效的消费者投诉反馈机制，能增大消费者参与“投诉”的种群规模，以便提升整体电商生态系统信用。

4 结论

提高电商生态系统的整体信用是广大企业和消费者的迫切愿望。本文以演化博弈理论为基础，对电商平台、商家和消费者在电商生态系统中信用监管的三方博弈行为进行分析，从理论上分析电商生态系统的整体信用问题，亦是促进电商平台和商家积极合作，消费者积极参与以便实现电子商务诚信交易的实践探索。研究结果显示，商家的诚信经营与电商平台的监管力度和消费者参与度紧密相关，三者间的行动策略相互作用、相互影响。电商平台可通过提高保证金、罚金系数和赔偿力度、加强信用监管力度，增大欺诈经营的惩罚力度，督促商家诚信经营；通过建立消费者投诉监管机制，对参与投诉消费者进行奖励，促进消费者的第三方监督，实施电商平台与消费者双重信用监督，加强电商信用监管机制；同时电商平台应严禁商家对消费者之间的私下补贴，消除商家欺诈经营的潜在可能性。互联网平台型企业应有“敬畏之心”，加强平台治理，承担社会责任。

综上所述，为了更好地促进电商生态系统良好运营，针对电商平台提出如下管理措施以提高商家诚信概率，增强电商生态系统整体信用：

(1)完善电商平台的监管体系和竞争机制：设立相应的约束和激励机制，建立商家诚信奖励和失信惩罚机制，鼓励诚信经营。

(2)建立完善的消费者投诉反馈信息系统：通过电商平台的内部监管和消费者投诉的外部监督，做到内外监督相结合,全方位对电子商务交易中商家的诚信经营和产品质量状况进行监督。

(3)优化电商平台媒介：降低消费者购买、投诉、评价成本，完善信用等级评价机制，鼓励买卖双方彼此信任，利用网络信息平台进行传播，增加欺诈经营行为的扩散效应，充分发挥市场惩罚作用。

本文针对电商生态系统中的三个主要种群：电商平台、商家和消费者，构建三方演化博弈模型，对商家诚信经营信用监管机制进行了分析。实际上在电商生态系统中，还存在其他一些参与主体和影响因素也会对电商生态系统运行起到影响作用。在未来的研究中会尽量弥补这方面的不足，考虑将电商交易市场的随机性融入模型，使博弈模型更加符合现实市场状况，从而提出更加科学合理的对策建议。